Así como el buen vino viene de buenas uvas, una buena IA requiere buenos datos. Las redes nativas de la IA se apoyan en datos precisos y de buena calidad. En esta publicación, analizaremos la primera etapa del camino a nuestra red autónoma: los datos, el componente principal de una red inteligente basada en la IA.
Del tiempo de actividad a la experiencia del usuario
La administración de red tradicional suele centrarse en controlar las métricas básicas de los dispositivos de red, como el tiempo de actividad, el uso de la CPU, la memoria y el ancho de banda. En Juniper, creemos que con esos datos no basta. Nosotros no nos limitamos al funcionamiento de la red, sino que nos centramos en garantizar que todos los usuarios disfruten de una excelente experiencia integral, del cliente a la nube. No preguntamos simplemente si la red funciona, sino que indagamos en cómo es la experiencia de los usuarios con la red. Esta filosofía centrada en los usuarios es la base del enfoque que aplicamos a la recopilación y el análisis de datos. Empezamos con los minutos que dura la experiencia, recabamos información valiosa en tiempo real sobre cómo se sienten los usuarios con respecto a la utilización de la red y, luego, recurrimos a la ciencia de datos para predecir y optimizar la experiencia de los usuarios. En definitiva, el valor de una red está en su capacidad de potenciar a los usuarios e impulsar buenos resultados para las empresas. Esa capacidad es fundamental para cada una de las siguientes etapas del camino a la red autónoma.
El poder de la colaboración
¿Cómo se asegura Juniper de que recopilemos datos relevantes para optimizar la experiencia de los usuarios? En principio, nuestros científicos de datos trabajan codo a codo con los equipos de éxito del cliente, que son expertos en la materia y actúan como representantes de nuestros clientes empresariales. Nadie conoce mejor los desafíos reales que enfrentan los clientes que estos equipos específicos, por lo que esta colaboración es fundamental. Conocer bien los casos de uso de los clientes y entender cuáles son sus dificultades concretas nos permite identificar los datos más valiosos para entrenar y ajustar nuestros modelos de IA.
Es gracias a este conocimiento acabado que podemos desarrollar soluciones realmente eficaces. Si los equipos de ciencia de datos y de éxito del cliente de un proveedor de IA no trabajan juntos con una solución de AIOps propia en la nube, es evidente que aún no tienen mucha experiencia en IA, ya que les falta ese eslabón clave que une la tecnología con su aplicación en el mundo real.
De datos en tiempo real a información valiosa en tiempo real
Cuando conocemos bien las necesidades del cliente, podemos centrarnos en recopilar datos detallados en tiempo real desde dispositivos de red optimizados para enviar datos de telemetría a una arquitectura de nube que ejecuta microservicios. En Juniper, hace más de una década que recopilamos y ajustamos datos de puntos de acceso (AP), enrutadores, conmutadores, firewalls y dispositivos de clientes. Por ejemplo, a partir de los AP, recopilamos más de 150 estados en tiempo real de los usuarios de redes inalámbricas mediante telemetría de streaming. Este flujo constante de telemetría se consolida en la nube y es analizado por Mist AI™. Aquí es donde realmente ocurre la magia. Luego de analizar este conjunto de datos detallados, Mist AI puede brindarles a los equipos de TI información valiosa y práctica al instante. Además, gracias a la retroalimentación de circuito cerrado del equipo de atención al cliente, esta tecnología aprende y mejora para, luego, ofrecer información y recomendaciones cada vez más precisas.
Ampliación del ecosistema de datos
Pero eso no es todo. Con un ecosistema de socios sólido y API totalmente abiertas, podemos extraer datos de más fuentes, lo que optimiza la funcionalidad y amplía la información. Por ejemplo, Marvis® Application Experience Insights integra los datos de las reuniones de Zoom y Microsoft® Teams con los datos de la red de Juniper para descubrir a qué podría deberse un problema de mala calidad de video e incluso predecir cómo será la calidad de una llamada antes de que se lleve a cabo. Este método proactivo no solo garantiza una colaboración excepcional entre los usuarios, sino que también permite que los equipos de TI tengan más tiempo para centrarse en iniciativas estratégicas.
Próximo paso: transformar los datos en información práctica
Una vez que tiene los datos adecuados en la nube, empieza la verdadera magia: convertirlos en información valiosa y práctica. En nuestra próxima publicación, analizaremos cómo transformamos los datos sin procesar en la fuente de información que da vida a la red autónoma y que permite resolver problemas de manera proactiva, optimizar la asignación de recursos y, en última instancia, ofrecer una experiencia de usuario de primer nivel.
¿En qué etapa del camino a la red autónoma está su empresa? Independientemente del punto en que se encuentre, Juniper le brindará la ayuda necesaria para dar el próximo paso.
Otros artículos de esta serie
Parte 1 (resumen): El camino a la red autónoma depende de la confianza en la IA
